Sfoglia altri articoli simili con le etichette:
Il Garante per la Protezione dei Dati Personali ha pubblicato ad aprile 2026 una nota tecnica che chiarisce un punto operativo che molti consulenti privacy italiani stavano ignorando: una DPIA generica scritta secondo le linee guida WP248 del 2017 non basta per i sistemi AI ad alto rischio. Servono sezioni aggiuntive, una metodologia di valutazione del rischio specifica, e l’integrazione con la Fundamental Rights Impact Assessment dell’articolo 27 dell’AI Act.
Tradotto: chi pensava di riusare il vecchio template DPIA va in difficoltà.
Le tre differenze sostanziali tra DPIA generica e DPIA AI
L’inquadramento normativo complessivo è coperto nella guida AI Act per il marketing digitale. Una DPIA classica articolo 35 GDPR descrive il trattamento, valuta necessità e proporzionalità, identifica rischi per gli interessati, individua misure di mitigazione. Tutto perfetto per un sistema deterministico. Diventa insufficiente quando il sistema è un modello AI che apprende, evolve e produce output non perfettamente prevedibili.
Prima differenza: la descrizione del trattamento deve includere la pipeline AI completa. Quale modello base si usa, quali dati per il fine-tuning, quali per il retrieval-augmented generation, quali criteri di filtro a valle. Non basta scrivere “uso ChatGPT per analizzare i CV”. Serve dire che modello, con quali system prompt, con quali grounding documents, con quale temperatura, con quali fallback.
Seconda differenza: la valutazione di accuracy e solidità. Un sistema AI ha intervalli di confidenza, error rate, drift potenziale. La DPIA AI deve documentare le metriche misurate, su quale set di test, con quale frequenza di riverifica. Per il riconoscimento facciale in ambito sicurezza aziendale è ovvio. Per un classificatore di reclami clienti è meno ovvio ma ugualmente dovuto.
Terza differenza: la supervisione umana. L’articolo 14 dell’AI Act richiede una human oversight consistente sui sistemi high-risk. La DPIA deve spiegare chi fa la supervisione, con quali strumenti, su quale percentuale di casi, con quale formazione documentata. Una clausola generica “il responsabile valida le decisioni” non regge a un’ispezione.
Le sezioni obbligatorie del nuovo template
Per inquadrare le trasformazioni del lavoro professionale connesse, è utile la lettura su come l’IA sta modificando il lavoro. La struttura che ha tenuto bene nelle aziende italiane che hanno già subito controlli mira nove sezioni. Quattro classiche GDPR e cinque specifiche AI. Le quattro classiche sono: descrizione del contesto del trattamento, valutazione di necessità e proporzionalità, identificazione e valutazione dei rischi privacy, misure tecniche e organizzative.
Le cinque specifiche AI sono il cuore del documento. Descrizione tecnica del sistema AI (modello, training, deployment), valutazione di accuracy e solidità con metriche reali, analisi del bias e della rappresentatività dei dati, descrizione del meccanismo di supervisione umana, piano di monitoraggio post-deployment con KPI di drift.
Quando ho lavorato con una BPO italiana che gestisce screening CV per clienti enterprise, il template è arrivato a 47 pagine. Sembra tanto. È la verità del sistema messa nero su bianco. Senza quel documento, l’azienda non avrebbe potuto rispondere alle domande del cliente sulla compliance.
Il problema dei dati di training: cosa scrivere quando non li conosci
Una PMI italiana che usa GPT-5 via API non sa cosa c’è nei dati di training. OpenAI pubblica un riassunto secondo l’articolo 53 dell’AI Act, ma è alto livello. Cosa scrivere nella DPIA per documentare le basi giuridiche del training su dati personali quando il provider del modello è terzo?
La soluzione che il Garante sembra accettare è una catena documentale. Il deployer italiano dichiara di non aver partecipato al training del modello base. Allega o cita la documentazione pubblica del provider sull’uso di dati personali per il training. Documenta le misure adottate per evitare che il proprio uso del modello porti a divulgazione di dati personali presenti nel training (filtri, system prompt, output validation).
È un compromesso pragmatico ma funziona. L’alternativa sarebbe non poter usare nessun GPAI commerciale in azienda, soluzione impraticabile. AIPIA sta lavorando su un template comune che le aziende italiane possono adottare per questa sezione, e che l’associazione renderà disponibile ai soci nei prossimi mesi.
Caso reale: la DPIA per un sistema di pricing dinamico
Lo presento perché è didattico. Cliente: e-commerce italiano nel settore beauty, 8 milioni di fatturato annuo, sistema di pricing dinamico basato su modello ML che prende in input lo storico ordini, il device, l’orario, la posizione approssimativa, il segmento marketing assegnato.
La DPIA è scattata perché c’è profilazione su larga scala con effetti potenzialmente sensibili (prezzi diversi per persone diverse). Sezioni critiche del documento finale sono state tre. Prima: la base giuridica. Legittimo interesse non basta da solo, serve consenso esplicito per la profilazione che porta a prezzi personalizzati. È stato modificato il banner cookie e il flusso di iscrizione.
Seconda: il bias. Il modello è stato testato su tre segmenti di età e quattro fasce geografiche italiane. Il differenziale di prezzo medio non doveva superare il 12% tra segmenti omogenei per caratteristiche di prodotto. Una soglia interna definita dal team, ma documentata.
Terza: la trasparenza verso l’utente. Privacy policy aggiornata con descrizione comprensibile della logica di pricing, diritto di opporsi alla profilazione attivabile con un click, fallback a prezzo standard per chi si oppone. Senza la terza sezione la DPIA sarebbe stata respinta dall’auditor del cliente enterprise.
L’integrazione DPIA + FRIA: cosa cambia in pratica
La FRIA dell’articolo 27 AI Act si applica ai deployer pubblici e ad alcuni deployer privati che usano sistemi high-risk. Quando si applica entrambe, DPIA e FRIA possono essere integrate in un unico documento. Il Garante e l’AgID stanno coordinando linee guida congiunte.
Il punto di sovrapposizione è la valutazione dei rischi per gli individui. La DPIA li vede dal punto di vista della privacy e protezione dati. La FRIA li vede dal punto di vista dei diritti fondamentali in senso ampio: non discriminazione, dignità, libertà di espressione, diritto al lavoro. La parte specifica FRIA aggiunge tipicamente tre sezioni: identificazione delle categorie di persone potenzialmente impattate, analisi degli effetti sui diritti fondamentali, meccanismi di rimedio (incluso il diritto di reclamo).
Per una PMI italiana che deve fare entrambe, il consiglio operativo è scrivere prima la DPIA secondo template GDPR, poi aggiungere quattro sezioni FRIA. Costa meno tempo dell’approccio inverso.
Errori ricorrenti che fanno bocciare il documento
Cinque cose che vedo nei documenti rifatti tre volte. La descrizione del sistema è troppo astratta, non si capisce esattamente cosa fa il modello su quali input. La valutazione di accuracy è copincollata, “il modello ha buona accuratezza” non è una metrica. Il bias non è mai stato testato, solo ipotizzato. La supervisione umana è descritta come “il manager controlla periodicamente”, senza definire periodicità e modalità. Il piano di monitoraggio post-deployment manca completamente.
Una DPIA AI fatta bene è un documento operativo che la stessa azienda usa per migliorare il sistema. Una DPIA fatta male è un PDF che nessuno rilegge fino al giorno dell’ispezione. La differenza si vede nel costo lungo periodo, non in quello iniziale.
La DPIA è viva, non statica
Il punto che chiude il cerchio è questo. Una DPIA AI scritta a marzo 2026 sul modello GPT-4o e poi non aggiornata quando ad agosto si passa a GPT-5 vale poco. L’aggiornamento è obbligatorio quando cambia il modello sottostante, quando cambiano i dati di training fine-tuning, quando si aggiungono use case, quando si modifica la pipeline tecnica in modo sostanziale.
La maturità di un’organizzazione si misura dal numero di revisioni del documento, non dalla sua lunghezza. Le aziende italiane più avanti sulla compliance AI tengono un changelog della DPIA come quello del codice. Sembra esagerato. È invece il livello che il mercato europeo si aspetterà dal 2027 in poi.
